《地府小围城》AI Coding 实战深扒：这条视频真正卖的不是游戏，而是一套可被 AI 执行的生产制度

这条视频表面上是在分享一个微信小游戏《地府小围城》的开发过程：一周时间，用 Harness、Codex 和 image2，把一个 Q 版地府塔防脑洞做成能玩、能分享、能走微信小游戏发布流程的项目。逐字稿和画面轨合起来看，它真正有价值的地方不在“AI 做了个小游戏”这个结果，而在作者把 AI Coding 从“临时叫模型写几段代码”推进到了“让 AI 在文档、素材、代码、任务、发布约束里持续执行”的项目制度。

这也是它值得深扒的原因。很多 AI Coding 内容只展示一个惊艳 demo：一句话生成网页、一小时做游戏、几轮提示词修 bug。但那类内容经常有一个缺口：观众看完知道 AI 很强，却不知道为什么自己的项目一用 AI 就乱。老包这条视频的核心回答是：AI 乱，不是因为它不能写，而是因为它没有组织上下文、边界和验收标准。要让 AI 参与一个工业级可玩项目，第一步不是写代码，而是给它一个可以遵守的项目世界。

视频时长约 581 秒，属于抖音里相当长的技术分享。它没有走高频转场的短平快路线，而是像一次压缩版公开课：先给出“AI 造游戏”的结果钩子，再交代《地府小围城》的题材设定，然后把开发过程拆成 Harness 文档工程、玩法策略、素材生产、技术架构、任务拆解、自动执行、人工验收、微信发布备案几个模块。画面上大量使用流程图、文档结构树、角色图、关卡表、代码结构和微信备案截图，形成“我不是只讲概念，我真的做过一遍”的证明链。

我认为这条视频对我们最重要的启发是：AI Coding 的分水岭，已经不是“会不会调模型”，而是“能不能把人的判断沉淀成机器可执行的约束”。谁能把产品规格、设计原则、任务边界、验收口径写成稳定的项目文档，谁就更容易把 AI 变成一个持续交付的虚拟同事。反过来，如果只有一句“帮我做个游戏”，AI 当然会失忆、跑偏、补脑、堆烂代码。

一、内容主线：从“AI 写代码”改写成“AI 在制度内交付”

视频开场先给观众一个明确结果：《地府小围城》是一款 Q 版地府塔防小游戏，题材来自“如果地府也开始优化，恶鬼暴动，奈何桥灯要灭了，玩家被临时任命为阴阳司主事”的脑洞。这个设定很聪明，它不是普通塔防换皮，而是把“职场 KPI”“地府秩序”“轮回”“阴德”这些词转成玩法语境。观众先被世界观和画面吸引，再被拉进开发方法论。

随后作者马上强调：今天重点不是游戏多好玩，而是怎么用一套 AI 工作流把它造出来。这里完成了一个关键转向：它不是卖游戏评测，也不是卖工具教程，而是卖“从脑洞到可运行产品”的方法。

视觉轨显示，视频把 AI 开发流水线拆成 7 个环节：Harness 工程负责文档管理，游戏策略构思把脑洞转成核心玩法，image2 和 Codex 参与素材生产，Codex 生成技术方案和任务拆解，再由自动化任务执行和人工验收形成闭环。口播里有一句关键判断：AI Coding 不是少写代码，而是把想法变产品。

这句话比“AI 提效”更具体。少写代码只是一种局部效率，容易让人把 AI 当成补全器；把想法变产品，则意味着 AI 要进入需求定义、架构设计、资源组织、任务执行、质量验证、发布合规等全链条。作者用《地府小围城》这个案例说明：AI 可以负责很多执行工作，但人必须先把项目定义成 AI 能理解、能引用、能检查的结构。

这也是整条视频的底层立场：人不是退出开发，而是从“亲手搬砖”上移到“定方向、定规则、定验收”。AI 不是神秘魔法，而是执行团队。Harness、AGENTS.md、ARCHITECTURE.md、QUALITY 文档、任务清单、配置化关卡和自动化脚本，都是把这个执行团队管起来的制度。

二、7 段文案拆解

【1】开头钩子：结果展示 + 反差题材 + 工业级承诺

开头钩子不是单纯一句“我用 AI 做了个游戏”，而是三层叠加。

第一层是结果钩子。画面先出现 Q 版古风地府背景、彼岸花、灯笼、卡通判官和游戏截图，标题是“用 AI 造个游戏玩玩？”观众先看到一个完整风格的作品，而不是空泛口播。对 AI Coding 受众来说，视觉结果能快速降低怀疑：这不是讲概念，至少有可见产物。

第二层是题材反差。地府通常是阴森题材，但它被处理成 Q 版塔防，还加入“地府也开始优化”“打工人 KPI”这样的现实梗。这个反差让技术内容带上娱乐记忆点。技术视频最怕一上来全是工具名，观众不知道为什么要看；这条先用地府脑洞提供情绪入口，再把观众带进工程方法。

第三层是工业级承诺。口播明确说，今天分享的不是让 AI 写 hello world，而是让 AI 真正参与一个工业级可玩项目的完整流程。这个钩子对目标人群很准：独立开发者、AI 编程实践者、小游戏创业者都知道 demo 和项目之间差着一整套工程化能力。作者把痛点说出来，观众自然愿意继续听。

评分：★★★★☆。它不是情绪爆破型开头，不会在 0.5 秒内制造强冲突，但对技术受众很有效。它用“可见结果 + 可复制流程”锁定了真正有转化价值的人，而不是泛流量。

【2】人设 & 声音：架构师型布道者，不卖焦虑，卖流程

作者的人设非常清晰：架构师、项目方法论实践者、AI Coding 布道者。视频简介里也直接写“老包子说架构”。这意味着他不是以“我发现一个神奇工具”的姿态出现，而是以“我把复杂项目拆成可执行系统”的姿态出现。

口播风格偏稳，语速适中，解释性强，经常使用通俗类比，比如把 Harness 叫作给 AI 的“紧箍咒”，把 AGENTS.md 叫作 AI 的“员工手册”，把 AI 比作“虚拟同事”，把人比作“导演和制片人”。这些比喻很重要，因为它们把抽象工程概念降维成管理语言。观众不一定熟悉 Harness 文档工程，但能理解员工手册、蓝图、边界、验收。

这类声音适合的受众不是纯小白，也不是只想看爽文的人，而是已经被 AI Coding 吸引、但在真实项目里遇到混乱的人：独立开发者、小团队技术负责人、想做微信小游戏或轻量产品的创业者、需要把 AI 纳入研发流程的业务负责人。

可借鉴的语言习惯有三种。第一，用“不是 A，而是 B”校正认知：不是让 AI 天马行空乱写，而是给它明确剧本和规则。第二，用“问题-制度-效果”解释方法：AI 会失忆，所以先做 Harness；有了单一事实来源，AI 才不凭空猜。第三，用项目实物支撑观点：讲美术就展示提示词约束和角色图，讲发布就展示微信构建、主包瘦身、备案流程。

【3】信息密度 & 节奏：长视频公开课节奏，用模块化画面维持信任

视频总时长约 581 秒，信息密度高，但不是压缩到让人喘不过气的高。它每 30 到 45 秒切一个模块：开场结果、游戏背景、AI 流水线、Harness 文档、单一事实来源、玩法机制、18 关规划、素材生成、角色生产、代码架构、任务拆解、AI 沟通、微信发布、备案、人机分工、Q&A。每个模块都有一张清晰的图文页或界面截图。

它的节奏不是“刺激-留白-再刺激”的短视频娱乐节奏，而是“结论-证据-下一个模块”的课程节奏。作者先给一个观点，比如“先别急着写代码，给 AI 一个紧箍咒”；随后展示文档工程结构；再解释为什么这能解决 AI 失忆和跑偏。观众每次都获得一个可记录的模块。

这种节奏的好处是信任感强。AI Coding 领域噪音太多，观众已经不缺“太神了”的刺激，缺的是能照着做的流程。老包把每一页画面都做成可截图的工程笔记，让观众觉得内容可复盘、可执行、可转发给团队。

它的问题也很明显：对泛流量来说太长，且缺少真实运行片段的高频穿插。豆包视觉轨看到大量静态流程页和结构图，游戏演示、代码执行、AI 反馈界面有出现，但不是连续戏剧化推进。如果目标是抖音爆量，可能需要把长视频拆成系列短切片；如果目标是沉淀专业粉和私域线索，这种长讲解反而更合适。

【4】讲解手法 & 内容结构：痛点-制度-案例-落地的工程叙事

这条视频的内容结构可以概括为“结果吸引 - 痛点校正 - 制度展开 - 案例证明 - 发布闭环 - 人机分工总结”。

开场用《地府小围城》这个结果吸引注意；接着用“很多人用 AI 写代码失败，不是因为 AI 不会写，而是因为它失忆”校正常见误区；然后推出 Harness 文档工程作为制度；再把玩法、美术、架构、任务拆解逐个放进这个制度里；最后讲微信发布、备案和人机分工，证明项目不是停在 demo，而是走到了产品化边缘。

最强的讲解手法是“具体化”。作者没有停在“要写好需求文档”，而是把 AGENTS.md、ARCHITECTURE.md、docs 目录、QUALITY/RELIABILITY/SECURITY 文档、P0 到 P4 任务线都展示出来。没有停在“AI 生成美术”，而是强调背景不能画塔、怪物、UI、文字，道路要连续，素材要分层。没有停在“微信小游戏能发布”，而是讲双端构建、主包瘦身、云端资源加载、备案资料生成。

最有说服力的句子不是某一句漂亮金句，而是这一组判断：先给 AI 带上紧箍咒；文档是单一事实来源；人负责定方向定规则，AI 成为高效执行团队；最终裁判永远是玩家。它们组成了一套完整方法论：AI 项目不是靠提示词奇技淫巧赢，而是靠上下文、边界、任务和验收赢。

【5】金句 & 记忆点：把 AI 从工具拟人化为“虚拟同事”

逐字稿里最值得二次传播的句子有三类。

第一类是认知校正：“AI Coding 不是少写代码，是把想法变产品。”这句话适合作为整条内容的标题，因为它把 AI Coding 从局部效率拉到产品交付。

第二类是问题定位：“很多人用 AI 写代码失败，不是因为 AI 不会写，而是因为它失忆。”这句很容易引发目标受众共鸣。每个用过 AI 改项目的人都遇到过上下文断裂、重复犯错、今天改好明天又破坏的问题。

第三类是人机分工：“我们仍负责定方向定规则，而 AI 则成为高效的执行团队。”这句避免了“AI 替代人”的焦虑叙事，也避免了“AI 只是玩具”的低估叙事，比较准确地描述了现阶段 AI Coding 的价值边界。

视觉记忆点主要有四个：Q 版地府塔防截图、7 环节 AI 开发流水线、Harness 文档结构树、地府角色组图。尤其是 Harness 文档结构树，它把“上下文工程”具象化了；角色组图则把“AI 素材生产”具象化了。一个负责可信，一个负责好看。

可复用金句模板可以这样写：很多人做【某类 AI 应用】失败，不是因为 AI 不会【执行动作】，而是因为它没有【稳定上下文/边界/验收】。所以第一步不是让 AI【直接开干】，而是先给它一套【可引用的制度】。

【6】收尾 & CTA：专业内容转私域，但视频内 CTA 还可以更强

结尾的 CTA 分两层。口播层是“大家有什么问题欢迎评论区留言”，画面层是 Q&A、邮箱和公众号“老包子说架构”。视频简介里更强，直接写“评论【想要】，我挨个私发打包文件”，这是一个典型的资料包沉锚。

这个 CTA 和内容主体是顺的。视频讲了完整工作流，但观众最想要的不是抽象鼓励，而是能不能拿到打包文件、文档模板、项目结构、提示词、任务拆解清单。评论“想要”刚好承接这个需求，既能拉评论互动，也能筛选高意向用户。

不过从视频本身看，收尾还可以更具体。它说后续会继续打磨玩法和平衡性，欢迎提问，但没有在口播里再次强调“想要项目包/模板就评论”。如果要提升转化，结尾可以把 CTA 改成三选一：想要源码包评论“想要”，想看 Harness 模板评论“模板”，想看备案资料生成流程评论“备案”。这样既能提高评论率，也能帮作者识别不同受众需求。

沉锚设计已经有，但主要放在简介里。对抖音来说，简介不是所有人都会仔细读，强 CTA 最好在视频末尾画面和口播同时出现。

【7】可复制文案骨架

这条视频最可复制的骨架不是“我用 AI 做了 X”，而是“用一个真实项目展示 AI 如何从零到一参与交付”。

[开头钩子句 - 类型: 结果 + 反差 + 工业级承诺]
我用 AI 在【时间】里做出了一个能【运行/分享/发布】的【具体产品】，但今天重点不是它多酷，而是这套从【想法】到【产品】的 AI 工作流。

[核心信息 - 分 7 个点]
1. 先讲产品脑洞：为什么这个题材有记忆点，用户为什么愿意玩/看/用。
2. 再讲 AI 流水线：把开发拆成【文档/策略/素材/方案/任务/执行/验收】。
3. 重点讲上下文制度：不要先写代码，先给 AI 一套【员工手册/架构蓝图/质量标准】。
4. 展示核心设计：把题材概念转成玩法机制或产品功能，避免只做换皮。
5. 展示素材与代码如何接入：AI 生成不等于可用，必须有边界和规范。
6. 展示任务拆解：从 P0 到 P4，把大目标拆成 AI 能逐项完成的小任务。
7. 展示发布闭环：构建、资源、合规、分享、用户反馈，说明不是 demo 到此为止。

[转折/高潮句]
AI 最大的价值不是替你灵光一闪，而是在你把规则写清楚后，持续完成那些重复、繁琐、但必须正确的执行工作。

[收尾 + CTA]
如果你想要【项目包/文档模板/提示词/任务清单】，评论【关键词】；下一条拆【最关键的子流程】。

适用场景：AI Coding 项目复盘、独立产品开发、低代码/无代码工作流、游戏 demo 到产品化、企业内部 Agent 落地案例。

最适合博主类型：技术负责人、架构师、独立开发者、AI 工具实战博主、垂直行业自动化顾问。

预估完播率：中等。长视频天然筛人，但目标受众停留质量高；如果拆成 5 条系列短视频，完播和转粉可能更好。

三、这条视频真正可迁移的判断

判断一：AI Coding 项目的第一资产不是代码，而是可执行上下文

很多人会把 AI Coding 的重点放在模型选择、提示词技巧、编辑器插件上。但这条视频反复强调 Harness 文档工程，说明真正的第一资产是上下文：需求是什么，架构是什么，质量标准是什么，AI 该遵守什么协作规则，哪些文件能改，哪些目标不能牺牲。

这个判断可以迁移到我们自己的所有自动化项目。只要任务需要多轮、多模块、多工具协作，就不能靠一次性提示词。要先建立“单一事实来源”：目标文档、术语表、边界、验收清单、失败处理规则、产物位置。否则模型每次进入任务都会重建世界，重建世界就必然丢失细节。

可复制步骤是：先写项目宪法，再写架构蓝图，再写任务计划，最后让 AI 执行。不要跳过前两步。

判断二：AI 生成素材必须从“好看”升级到“可用”

视频里最容易被忽略、但很有价值的是 image2 生成素材那一段。作者说 AI 图很好看，但不一定能玩；如果背景里画了塔、怪物、按钮、文字，游戏引擎就会误判交互区域，玩家也会看不清可点击对象。所以提示词里充满“不要”：不要 UI、不要敌人、不要炮塔、不要文字，只画背景、道路、氛围。

这背后的判断是：生成式 AI 的默认优化目标是“像一张完整漂亮的图”，但产品工程需要的是“分层、可接入、可维护、可验证的资源”。两者经常冲突。越是要落地，就越要把“不要做什么”写清楚。

这可以迁移到文章、图片、视频、代码、数据表的所有生成任务。我们不能只说“生成一个好看的东西”，而要明确它后续要被什么系统消费，因此要遵守哪些格式、分层、尺寸、命名、字段和限制。

判断三：AI 执行力来自任务颗粒度，不来自一句宏大命令

作者把项目拆成 P0 到 P4：P0 搭工程骨架，P1 做第一关可玩闭环，P2 打磨 demo，P3 扩展战役，P4 加产品功能。这个拆法本质是把“做一个完整小游戏”拆成 AI 可以验收的小块。

AI 很适合完成边界清晰的子任务，不适合在没有检查点的情况下独立吞下一个大项目。任务颗粒太大，它会补脑；任务颗粒太碎，人类协调成本又会爆炸。好的拆解要围绕“可运行闭环”推进，比如先做第一关从开局到结算，而不是先铺满 18 关所有设定。

迁移到我们做内容系统、微信助理、自动学习归档也一样。不要让 worker “把整个系统优化一下”，要让它完成一个明确闭环：抓取、转写、视觉、合并、发布、归档、回执。每一步有输入输出，才有稳定交付。

判断四：产品化闭环必须包含发布约束，demo 不是终点

这条视频把微信小游戏发布、主包瘦身、云端资源加载、分享文案、备案都讲进来了。很多 AI 项目复盘会停在“能跑”，但真实产品的难点往往在“能被用户顺利用到”。微信小游戏尤其典型：代码能跑只是第一步，包体、加载速度、分享、备案、场景描述都影响上线。

这个判断很重要：AI Coding 如果只追求 demo，会强化“玩具感”；如果从一开始就把发布约束写进架构和任务，AI 才会围绕真实交付优化。比如主包限制会倒逼资源分层，备案描述会倒逼玩法边界清晰，分享文案会倒逼核心场景可传播。

所以我们评估 AI 项目时，不要只问“能不能生成”，还要问“能不能部署、能不能合规、能不能被用户理解、能不能被反复维护”。

四、四角度反思

1. 对我们做的事：自动学习归档也需要 Harness 化

我们现在做的单条视频深扒，其实和《地府小围城》的 AI Coding 有同一个底层问题：不能让 AI 每次凭感觉处理。一个深扒 worker 如果只拿到“写篇文章”这种任务，就容易变成浅总结；如果有明确链路：下载、转写、视觉、双轨合并、7 段拆解、四角度反思、判断卡、发布、自检、回执，它才会稳定产出。

这条视频提醒我们，自动学习归档的价值不是把素材搬进库，而是把“我们如何判断、如何吸收、如何迁移”变成可执行制度。7 段结构就是我们的 Harness 一部分，知识库判断卡也是 Harness 一部分，worker_replies 回执也是 Harness 一部分。它们不是形式主义，而是让分布式 worker 不失忆、不漏环节的组织约束。

后续我们可以进一步把深扒任务也 P0-P4 化：P0 拿素材，P1 还原主线，P2 拆内容结构，P3 形成业务迁移判断，P4 入库和复用。这样每条内容都不只是“写完一篇”，而是进入长期知识资产。

2. 对橙子自己能力：要从会写内容，升级到会设计 AI 可执行流程

橙子的核心能力不能只停留在“我能写出一篇长文”。长文只是结果，更底层的能力是把复杂任务拆成 AI 能执行、能检查、能复用的流程。老包的视频里，人类价值不是多写几行 TypeScript，而是把产品规格、玩法灵魂、素材边界和验收标准定义清楚。

对应到橙子身上，也要从内容生产者升级为流程设计者。比如做深扒，不只是读懂视频，还要定义什么叫“够深”：有没有音画双轨，有没有结构拆解，有没有可迁移判断，有没有对业务的反思，有没有知识卡。只有这些标准清楚，AI worker 才能被批量调用，而不是每次靠临场发挥。

更进一步，橙子要学会把自己的判断写成模板、规则和检查器。能被复用的判断，才会变成团队能力；只存在脑子里的判断，下一次换 worker 就会丢。

3. 对老大机构业务：AI 不是卖点，交付制度才是壁垒

如果老大的机构业务要做 AI 服务、AI 培训、AI 内容产品，这条视频给了一个很现实的提醒：市场很快会对“我用了某某 AI 工具”脱敏。真正能建立信任的是“我有一套能从需求到上线的交付制度”。

老包不是只说用了 Harness、Codex、image2，而是展示：怎么定义游戏策略，怎么控制美术素材，怎么配置关卡，怎么拆 P0-P4，怎么做微信发布和备案。工具只是角色，制度才是壁垒。

这可以迁移到机构业务的交付包装。我们不应该只卖“AI 帮你写文案/做图/搭网站”，而要卖“从选题判断、素材生产、内容发布、数据反馈到复盘入库的一整套流程”。客户真正需要的不是某个模型能力，而是降低不确定性的交付系统。

4. 对未来发展：AI 团队管理会变成新型架构能力

这条视频里的“AI 同事”不是比喻那么简单。未来很多小团队会真的拥有一组 AI worker：写代码的、做图的、写文档的、跑测试的、发内容的、做客服的。问题不再是有没有 AI，而是怎么管理这些 AI 的上下文、权限、边界和验收。

这会让“架构能力”发生变化。以前架构师主要设计代码模块、服务边界、数据流；以后还要设计 AI 协作边界、任务协议、知识库结构、工具权限、失败回退和人类审核点。Harness 文档工程就是这种新架构的早期形态。

未来的竞争不会是“谁手上有更神的模型”，因为模型会快速普及；更像是“谁更会把模型放进稳定组织系统”。能把 AI 变成团队，而不是玩具的人，会更容易做出连续产品。

五、这条视频对内容创作本身的启发

从内容角度看，老包这条视频不是完美的爆款形态，但它是很好的专业获客形态。它牺牲了一部分短视频刺激感，换来了可信度、方法密度和私域转化。

如果要把它改造成更强的抖音系列，我会拆成 6 条：第一条只讲“为什么 AI 写代码会失忆”；第二条讲 Harness 文档工程；第三条讲 AI 生成素材怎么从好看变可用；第四条讲 P0-P4 任务拆解；第五条讲微信小游戏发布和备案；第六条讲《地府小围城》的完整复盘和资料包 CTA。每条都保留一个截图级结论和一个评论关键词。

但作为单条长视频，它的价值在于完整。它让观众看到一个 AI Coding 项目不是由某个神奇提示词完成，而是由一串互相咬合的约束完成：文档约束 AI，玩法约束素材，架构约束代码，任务约束执行，脚本约束质量，发布约束产品，人类约束方向。

这套逻辑才是我们应该存进知识库的东西。不要只记“用 Harness、Codex、image2 做小游戏”，那只是工具清单。真正要记的是：当 AI 进入真实项目，人的工作会前移到规格、边界、任务、验收和产品化约束；AI 的价值会体现在持续执行，而不是一次性惊艳。

六、自检结论

这篇深扒对应的视频材料包括视频简介、SenseVoice 逐字稿、豆包视觉整段画面理解。7 段文案拆解已覆盖：开头钩子、人设声音、信息密度节奏、讲解结构、金句记忆点、收尾 CTA、可复制骨架。四角度反思已覆盖：对我们做的事、对橙子自己能力、对老大机构业务、对未来发展。可迁移判断不少于 3 条，并且都落在可复用的项目方法上。

来源说明：本文基于抖音视频《用AI Coding一周交付微信小游戏〈地府小围城〉实战分享》进行深扒，原作者为“老包子说架构”。分析材料来自视频简介、SenseVoice 逐字稿与豆包视觉整段画面理解。